Synthetic Databases

数据库模式更改会悄无声息地增加机器学习模型特征

生产机器学习管道中一个常见但常被忽视的问题是由于数据库模式更改引起的“基数爆炸”。当表被规范化或添加新的关系表时，连接（joins）会意外地成倍增加行数，导致特征膨胀或收缩。这种失真会导致机器学习模型做出极其不准确的预测，正如一个收入预测模型所示，该模型在数据库规范化冲刺后开始预测的收入是实际收入的五倍。文章建议在模式更改影响特征管道之前，使用合成数据库来测试连接基数。